竹下俊为什么C3P0连接池那么慢 数据库连接(2)-nosql开发
竹下俊 摘要
承接上篇数据库连接(1)从jdbc到mybatis，介绍下数据库连接池技术为什么需要连接池
在上一篇中我们介绍说客户端建立一次连接耗时太长(建立连接，设置字符集，autocommit等)，如果在每个sql操作都需要经历建立连接，关闭连接。不仅应用程序响应慢，而且会产生很多临时对象，应用服务器GC压力大。另外数据库server端对连接也有限制，比如MySQL默认151个连接(实际环境中一般会调大这个值，尤其是多个服务时)
现在面临的问题就是如何提高对稀缺性的资源高效管理。因为客户端与数据库的连接本质就是tcp请求，加上基于tcp协议封装的mysql请求。那么通常解决这类问题，我们有两种方式，一种是池话技术，即使用一个容器，提前创建好连接，请求时直接从池子里面拿，另外一种就是利用IO多路复用技术。利于在spring5中，mongo ,cassandra等数据库的访问就可以利用reactive来实现了，但是关系型数据库不行，原因在于关型数据库的访问目前都是基于JDBC,JDBC操作数据库的流程，建立connection,构建Statement，执行这一套是串行的，阻塞型。一个事务中的多个操作只能在同一个连接中完成。所以不能使用IO多路复用技术，是受限于JDBC的阻塞。对于其他语言，是可以的，比如nodejs
所以我们使用池话技术来提供数据库访问数据库连接池与线程池的区别
通常，程序员在业务开发中经常使用的是线程池，利用CPU多核，来并发处理任务，提高效率。数据库连接池与线程池同属于池化技术，没有太大区别，都是需要管理池的大小，资源控制。不同的数据库连接池中放的是connection，同时还需要管理事务，所以通常数据库连接池中会对这个进行优化
从连接池中取连接执行sql操作，多了两步设置connection autocommit属性操作
通过将connection分成两组，来提供效率开源连接池技术介绍
一个基本的数据库连接池包括几大部分
取出连接
放回连接
异步/同步处理线程
进行创建连接和销毁连接对于一个数据库连接池的根本就在于并发容器的实现，也是决定连接池的效率高低，常见的连接池配置如下
initialSize：初始连接数
maxActive: 最大连接数量
minIdle: 最小连接数量
maxWait: 获取连接最大等待时间ms
minEvictableIdleTimeMillis：连接保持空闲而不被驱逐的最小时间
timeBetweenEvictionRunsMillis：销毁线程的时间检测
testOnBorrow:申请连接时执行,比较影响性能
validationQuery:testOnBorrow为true检测是否是有效连接sql
testWhileIdle:申请连接的时候检测
目前的开源数据库连接池主要有以下，
C3P0，和DBCP是出现的比较早的数据库连接，主要用于hibernate,和tomcat6.0以下，比较稳定，在低并发的情况下，工作还可以，但是高并发下，性能比较差，所以在tomcat6，又重写了一个jdbc-pool，来替代DBCP。
Druid是阿里巴巴开源的高性能数据库连接池，目前基本是各大互联网公司的标配了，加上又是国内的，文档比较易读，所以流行度比较高，另外一个是hikariCP,性能比较高，目前普及度还不是特别高。
那为什么C3P0和DBCP的性能比较低呢？前面提到数据库连接池本质上就是一个并发容器的实现。通常我们可以利用List+锁机制实现。或者使用jdk原生的，比如CopyOnWriteList这样的结构而锁通过有两种，一种JVM级别的synchronized,一种是JDK提供的ReentrantLock,两者在语义上并没有多大区别，互斥，内存可见，可重入。JDK5中引入ReentrantLock时，性能比synchronzied要好很多，而在JDK6中，经过优化后的，两者并无太大性能上区别。所以ReentrantLock更多优势在于
可以中断等待的线程一直拿不到锁的等待线程，可以中断掉，避免出现死锁
可以结合Condition,更加灵活控制线程
看下com.mchange.v2.c3p0.DriverManagerDataSource 的实现
// should NOT be sync'ed -- driver() is sync'ed and that's enough
// sync'ing the method creates the danger that one freeze on connect
// blocks access to the entire DataSource
public Connection getConnection() throws SQLException
{
ensureDriverLoaded();
// 通过此方法来获取连接
Connection out = driver().connect( jdbcUrl, properties );
if (out == null)
throw new SQLException("Apparently, jdbc URL '" + jdbcUrl + "' is not valid for the underlying " +
"driver [" + driver() + "].");
return out;
}
在获取连接的时候首先在一个synchonized中去获取java.sql.Driver，
private synchronized Driver driver() throws SQLException
{
//To simulate an unreliable DataSource...
//double d = Math.random() * 10;
//if ( d > 1 )
// throw new SQLException(this.getClass().getName() + " TEST of unreliable Connection. If you're not testing, you shouldn't be seeing this!");
//System.err.println( "driver() <-- " + this );
if (driver == null)
{
if (driverClass != null && forceUseNamedDriverClass)
{
if ( Debug.DEBUG && logger.isLoggable( MLevel.FINER ) )
logger.finer( "Circumventing DriverManager and instantiating driver class '" + driverClass +
"' directly. (forceUseNamedDriverClass = " + forceUseNamedDriverClass + ")" );
try
{
driver = (Driver) Class.forName( driverClass ).newInstance();
this.setDriverClassLoaded( true );
}
catch (Exception e)
{ SqlUtils.toSQLException("Cannot instantiate specified JDBC driver. Exception while initializing named, forced-to-use driver class'" + driverClass +"'", e); }
}
else
driver = DriverManager.getDriver( jdbcUrl );
}
return driver;
}
具体的连接池管理是BasicResourcePool，可以看下代码，里面全都是synchronized方法。并发性能怎么能好。
再来看下Druid的实现，DruidDataSource
private DruidPooledConnection getConnectionInternal(long maxWait) throws SQLException {
DruidConnectionHolder holder;
for (boolean createDirect = false;;) {
// 带有超时的连接获取
if (maxWait > 0) {
holder = pollLast(nanos);
} else {
holder = takeLast();
}
}
并发环境下去拿连接时，并没有在读操作上加锁，比互斥锁的性能要高互斥锁是一种比较保守的策略，像synchronized,它避免了写写冲突，写读冲突，和读读冲突，对于数据库连接池，应用程序来拿，是一个读操作比较多的，允许多个读同时操作，能够提高系统的并发性。
private DruidConnectionHolder pollLast(long nanos) throws InterruptedException, SQLException {
long estimate = nanos;
for (;;) {
if (poolingCount == 0) {
// 通知创建线程去创建连接
emptySignal();
}
decrementPoolingCount();
// 从数组中获取连接
DruidConnectionHolder last = connections[poolingCount];
connections[poolingCount] = null;
long waitNanos = nanos - estimate;
last.setLastNotEmptyWaitNanos(waitNanos);
return last;
}
}
在创建连接线程，销毁连接线程中增加写锁
private boolean put(DruidConnectionHolder holder) {
// 加锁
lock.lock();
try {
if (poolingCount >= maxActive) {
return false;
}
connections[poolingCount] = holder;
incrementPoolingCount();
if (poolingCount > poolingPeak) {
poolingPeak = poolingCount;
poolingPeakTime = System.currentTimeMillis();
}
//发出连接池非空信号，等待的线程开始处理
notEmpty.signal();
notEmptySignalCount++;
if (createScheduler != null) {
createTaskCount--;
if (poolingCount + createTaskCount < notEmptyWaitThreadCount //
&& activeCount + poolingCount + createTaskCount < maxActive) {
emptySignal();
}
}
} finally {
lock.unlock();
}
return true;
}
想了解更多数据库知识，扫描下方二维码
HikariCP在读写锁的基础上进行了进一步的优化参考